欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

OpenCV基于背景減除實現(xiàn)行人計數(shù)

 更新時間：2022年01月12日 14:43:47   作者：Zero___Chen  
本文主要介紹了如何使用OpenCV C++對視頻中的人流量進(jìn)行統(tǒng)計。文中的示例代碼講解詳細(xì)，對我們學(xué)習(xí)OpenCV有一定的幫助，需要的可以了解一下

前言

本文將使用OpenCV C++ 對視頻中的人流量進(jìn)行統(tǒng)計。

一、圖像預(yù)處理

原圖如圖所示。本案例的需求是想要統(tǒng)計畫面中的人流量。畫面中走動的行人可以看作是前景，那么我們就需要將前景、背景分割出來。我們可以使用OpenCV提供的BackgroundSubtractorMOG2 高斯混合模型，將行人從畫面中分割出來，然后提取輪廓就可以統(tǒng)計人流量了。

Ptr<BackgroundSubtractorMOG2>MOG = createBackgroundSubtractorMOG2();
MOG->apply(frame, mask);

使用上面兩行代碼就可以創(chuàng)建高斯混合背景提取器。傳入原圖，返回背景減除結(jié)果。如上圖所示。接下來只需對上圖進(jìn)行一些簡單操作，再提取輪廓就可以進(jìn)行人流統(tǒng)計了。

threshold(mask, mask, 200, 255, THRESH_BINARY );

morphologyEx(mask, mask, MORPH_OPEN, kernel);

dilate(mask, mask, kernel1);

進(jìn)行二值化、形態(tài)學(xué)等操作可以將行人作為一個獨立個體分割出來。效果如圖。

二、對象計數(shù)

1.輪廓提取

將上面的二值圖像進(jìn)行輪廓檢測，然后統(tǒng)計有效輪廓就可以完成對象計數(shù)了。

    vector<vector<Point>>contours;
    vector<vector<Point>>EffectiveContours;    
    findContours(mask, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
    for (int i = 0; i < contours.size(); i++)
    {            
        double area = contourArea(contours[i]);
    
        if (area > 300)
        {        
            EffectiveContours.push_back(contours[i]);
        }
        
    }

2.效果顯示

	char text[10];
	for (int i = 0; i < EffectiveContours.size(); i++)
	{
		RotatedRect rect = minAreaRect(EffectiveContours[i]);

		Rect box = rect.boundingRect();

		rectangle(frame, Rect(box.x, box.y, box.width, box.height), Scalar(0, 255, 0), 2);

		sprintf_s(text, "%s%d", "Current:", EffectiveContours.size());

		putText(frame, text, Point(10, 30), FONT_HERSHEY_SIMPLEX, 1, Scalar(0, 255, 0), 2);
	}

最終效果如圖所示。

三、源碼

#include<iostream>
#include<opencv2/opencv.hpp>
using namespace std;
using namespace cv;

int main()
{

	VideoCapture capture;
	capture.open("1.avi");

	if (!capture.isOpened())
	{
		cout << "Can not open video source!" << endl;
		system("pause");
		return -1;
	}

	Ptr<BackgroundSubtractorMOG2>MOG = createBackgroundSubtractorMOG2();

	Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 5));
	Mat kernel1 = getStructuringElement(MORPH_RECT, Size(7, 3));

	Mat frame, mask;
	while (capture.read(frame))
	{
		MOG->apply(frame, mask);

		threshold(mask, mask, 200, 255, THRESH_BINARY );

		morphologyEx(mask, mask, MORPH_OPEN, kernel);

		dilate(mask, mask, kernel1);

		vector<vector<Point>>contours;
		vector<vector<Point>>EffectiveContours;	
		findContours(mask, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
		for (int i = 0; i < contours.size(); i++)
		{			
			double area = contourArea(contours[i]);

			if (area > 300)
			{		
				EffectiveContours.push_back(contours[i]);
			}
			
		}

		char text[10];
		for (int i = 0; i < EffectiveContours.size(); i++)
		{
			RotatedRect rect = minAreaRect(EffectiveContours[i]);

			Rect box = rect.boundingRect();

			rectangle(frame, Rect(box.x, box.y, box.width, box.height), Scalar(0, 255, 0), 2);

			sprintf_s(text, "%s%d", "Current:", EffectiveContours.size());

			putText(frame, text, Point(10, 30), FONT_HERSHEY_SIMPLEX, 1, Scalar(0, 255, 0), 2);
		}
		imshow("frame", frame);
		imshow("mask", mask);

		char key = waitKey(10);
		if (key == 27)
		{
			break;
		}
	}

	destroyAllWindows();
	capture.release();
	system("pause");
	return 0;
}

總結(jié)

本文使用OpenCV C++ 基于背景減除進(jìn)行人流計數(shù)，關(guān)鍵步驟有以下幾點。

1、使用BackgroundSubtractorMOG2 將前景從背景中分割出來。

2、將分割出來的前景進(jìn)行輪廓提取，從而統(tǒng)計出人流量。

到此這篇關(guān)于OpenCV基于背景減除實現(xiàn)行人計數(shù)的文章就介紹到這了,更多相關(guān)OpenCV行人計數(shù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

相關(guān)文章

最新評論